本申请涉及计算机技术中的人工交互技术领域，尤其设计一种交互信息推荐方法和装置。
背景技术：
随着计算机技术的发展，人工交互也越发普及，比如，人工智能机机器人为用户提供生产和生活中的服务。
相关技术中，人工智能的提供方式为依赖于用户的主动触发，比如，用户主动发出包含关键词的语音控制指令，若识别到对应的关键词，则提供对应的服务，然而这种提供服务的方式，智能化程度较低，和用户的交互感不强。
技术实现要素：
本申请的第一个目的在于提出一种交互信息推荐方法。
本申请的第二个目的在于提出一种交互信息推荐装置。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种存储有计算机指令的非瞬时计算机可读存储介质。
为达上述目的，本申请第一方面实施例提出了一种交互信息推荐方法，包括：获取用户的聊天语句信息，其中，所述聊天语句信息包括聊天语句内容和聊天语句属性信息；根据预设的匹配策略，获取与所述聊天语句内容匹配的目标回复语句；将所述聊天语句内容、所述聊天语句属性信息和所述目标回复语句输入预先设置匹配模型，获取目标功能推荐信息；向所述用户推荐交互信息，其中，所述交互信息包括所述目标回复语句和所述目标功能推荐信息。
为达上述目的，本申请第二方面实施例提出了一种交互信息推荐装置，包括：第一获取模块，用于获取用户的聊天语句信息，其中，所述聊天语句信息包括聊天语句内容和聊天语句属性信息；第二获取模块，用于根据预设的匹配策略，获取与所述聊天语句内容匹配的目标回复语句；第三获取模块，用于将所述聊天语句内容、所述聊天语句属性信息和所述目标回复语句输入预先设置匹配模型，获取目标功能推荐信息；推荐模块，用于向所述用户推荐交互信息，其中，所述交互信息包括所述目标回复语句和所述目标功能推荐信息。
为达上述目的，本申请第三方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例描述的交互信息推荐方法。
为达上述目的，本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述实施例描述的交互信息推荐方法。
上述申请中的一个实施例具有如下优点或有益效果：
获取用户的聊天语句信息，根据预设的匹配策略，获取与聊天语句内容匹配的目标回复语句，将聊天语句内容、聊天语句属性信息和目标回复语句输入预先设置匹配模型，获取目标功能推荐信息，向用户反馈目标回复语句和目标功能推荐信息。由此，根据用户的聊天语句，提供回复语句以及功能推荐，提升了与用户交互的智能化程度，满足了用户的个性化需求。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请一个实施例的交互信息推荐方法的流程图；
图2是根据本申请第二实施例的第一树结构模型结构示意图；
图3是根据本申请第三实施例的第一树结构模型结构示意图；
图4是根据本申请第四实施例的第一树结构模型结构示意图；
图5是根据本申请第五实施例的交互信息推荐方法应用场景示意图；
图6是根据本申请地第六实施例的交互信息推荐装置的结构示意图；以及
图7是用来实现本申请实施例的交互信息推荐方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的交互信息推荐方法和装置。其中，本申请实施例的交互信息推荐方法的执行主体为人工智能机器人等产品。
为了提高交互感，本申请中提供了一种交互信息推荐方法，可以基于用户的聊天信息自动反馈推荐回复语句以及对应的功能信息，比如，用户输入聊天语句“我下班了”，则可以根据本申请提供的交互信息推荐方法，反馈“辛苦了，赶紧洗洗睡吧”，以及“你想要听音乐么”，用户像与“人”聊天一样，感觉到了较强的互动，大大提高了用户和产品的粘性，无需用户输入包含具体控制关键词的控制信息。
具体而言，图1是根据本申请一个实施例的交互信息推荐方法的流程图，如图1所示，该方法包括：
步骤101，获取用户的聊天语句信息，其中，聊天语句信息包括聊天语句内容和聊天语句属性信息。
其中，聊天内容为具体的聊天语句，聊天属性信息为聊天用户的标识、聊天语句的发送时间、接收到聊天语句的设备标识等。
具体的，在本实施例中，可以基于麦克风等设备获取用户的聊天语句，可以根据用户的声纹信息确定用户标识等。
步骤102，根据预设的匹配策略，获取与聊天语句内容匹配的目标回复语句。
具体的，根据预设的匹配策略，获取与聊天语句内容匹配的目标回复语句，即为用户自动匹配目标回复语句。
需要说明的是，在不同的应用场景下，预设的匹配策略不同，示例说明如下：
示例一：
在本示例中，提取聊天语句内容的语义特征，将语义特征输入预先构建的匹配模型，获取对应的目标回复语句。
示例二：
在本示例中，预设第一树结构模型，其中，如图2所示，预设的第一树结构模型由多个节点组成，每个节点对应一个回复语句标识，相邻的节点与节点之间的路径包含了节点与节点之间的路径末端指向的语句对应的语句概率，应当理解的是，在第一树结构模型中，节点之间的顺序限制了回答与回复的关系，比如，子节点是父节点的回答对应的回复语句。
具体而言，获取与聊天语句内容对应的语句标识，该语句标识可以是聊天语句内容对应的编码，也可以是文字或者数字等，将语句标识与预设的第一树结构模型匹配，节点之间的顺序标识了回答与回复的关系，因此，与语句标识匹配的节点至少具有一个下级节点，即可以获取匹配成功的至少一个候选节点，进而，根据语句概率在至少一个候选节点中确定目标节点，比如，确定语句概率最高的候选节点为目标节点，并确定目标节点对应的回复语句为目标语句。
另外，需要说明的是，在不同的应用场景下，获取与聊天语句内容对应的语句标识的方式不同，作为一种可能的实现方式，当语句标识为语句编码时，预先设置如图3所示的第二树结构模型，其中，第二树结构模型由多个节点组成，每个节点对应一个分词以及与每个节点对应的分词编码，相邻的节点之间的路径的路径末端指向对应分词的分词概率，其中，继续参照图3，不同的节点对应的下一级节点可以相同，这也就意味着，对于一些语义相同的词而言，其得到的分词编码包含相同的分词编码识别结果，另外，在第二树结构模型中，节点之间顺序限定了匹配到的路径不同。
在本实施例中，对聊天语句内容切词处理，生成至少一个切词，比如，对聊天语句内容进行去噪处理后，根据聊天语句内容包含的分词的词性，进行切词的获取，进而，按照切词的组成顺序将至少一个切词与预设的第二树结构模型匹配，获取匹配成功的至少一个候选路径，根据至少一个候选路径中的节点对应分词编码，生成与每个候选路径对应的候选语句编码，即将候选路径路过的节点的分词编码串联起来，生成对应的候选语句编码，其中，由于切词处理后生成的切词具有多样性，因而得到的候选路径有多个。
举例而言，如图4所示，如其中一个候选路径(图中加粗部分)路过分词为“我”、“下班”，则生成的对应的候选语句编码为“aabc”，另一个候选路径(图中加粗部分)路过分词为“我”、“下半身”、“疼”，则生成的对应的候选语句编码为“aabdef”，进而，根据分词概率获取每个候选路径的概率，比如根据候选路径路过分词的概率均值确定每个候选路径的概率，进而，根据每个候选路径的概率在候选语句编码中确定目标语句编码，并根据目标语句编码生成所述语句标识，比如对于上述两个候选路径而言，第一个候选路径的概率均值为0.05，第二个候选路径的概率均值为0.5，由此，选择第二个候选路径为目标路径，该目标语句对应的分词组合成了目标语句。
由于在实际执行过程中，对于同样的聊天语句内容，用户的说话的语气不同可能代表的意思不同，比如，对于聊天内容“下班了，我今天累死啦”，若是沮丧的语气说出的，则表明用户真的很累，若是使用活泼的口气说出的，则表明用户此时比较兴奋，因此，为了便于进一步提高目标回复语句的准确率，在本申请的一个实施例中，还可以根据预先构建的神经网络模型，提取用户聊天语句内容的声纹特征信息，根据声纹特征信息判定用户的情绪，根据情绪确定情绪编码，将情绪编码加入目标语句编码后方，形成最后的目标语句编码，从而，根据目标语句编码得到的目标回复语句与用户的情绪状态更吻合。
步骤103，将聊天语句内容、聊天语句属性信息和目标回复语句输入预先设置匹配模型，获取目标功能推荐信息。
其中，该目标功能推荐信息为涵盖具体功能的推荐信息，该推荐信息类似以聊天信息，较为人性化，比如包含与音乐服务功能对应的“要不要播放个音乐放松下呀”，比如与食品播放功能对应的“看个电视么”等。
在本申请的实施例中，为了为用户提供更人性化的服务，将聊天语句内容、聊天语句属性信息和目标回复语句输入预先设置匹配模型，获取目标功能推荐信息，其中，预设设置的匹配模型可以对应于神经网络模型等。其中，需要强调的是，目标功能推荐信息还结合了目标回复语句，由此，保证了推荐给用户的目标功能推荐信息和目标聊天语句的一致性，增加了产品的智能感。
作为一种可能的实现方式，将聊天语句内容、聊天语句属性信息和目标回复语句输入预先设置匹配模型，获取匹配成功的多个候选功能标签和对应的功能概率，其中，候选功能标签对应于一个具体的候选功能，在预设的数据库中，预先存储有候选功能标签和对应的候选推荐功能信息的对应关系，查询预设的数据库获取与每个候选功能标签对应的候选推荐功能信息，根据功能概率在所有的候选推荐功能信息中，确定目标功能推荐信息，比如确定功能概率最大的候选推荐功能信息为目标功能推荐信息。
在本申请的一个实施例中，为了进一步提高服务的人性化，可以针对不同的用户在对应的目标功能推荐信息进行不同的语气转化处理，生成最后的目标功能推荐信息。比如，识别用户的声纹特征，若是判断用户为年轻用户，则采用较为活泼的语气处理目标功能推荐信息，比如，在其中加入流行词语等，以满足用户的个性化特点。
应当理解的是，在本实施例中，候选推荐功能信息的功能可能具有重复性，比如，对于功能“播放音乐”和“播放流行音乐”显然是重复的工，但是同样类型的功能可能功能等级不同，继续以上述示例说明，“播放流行音乐”的功能等级显然更细化，低于功能“播放音乐”的功能等级，由于功能等级更低的推荐功能信息显然更能满足用户的功能需求，因此，确定多个候选推荐功能信息的功能等级，比如，识别候选推荐功能信息中的功能标签，根据功能标签查询预设数据库获取对应的功能等级，在本实施例中，功能等级越高，候选推荐功能信息包含的功能越笼统。
进而，确定功能等级最低的参考候选推荐功能信息，在每个候选功能标签对应的候选推荐功能信息中删除非参考候选推荐功能信息，即在根据功能概率在所有的候选推荐功能信息中，确定目标功能推荐信息之前，对于属于同样类型的推荐功能而言，保留较为细致(功能等级较低)的候选推荐功能信息。
作为另一种可能的实现方式，可以根据用户的聊天语句信息中包含的关键词和语气词等，识别用户的意图，根据用户的意图、聊天语句内容、聊天语句属性信息和目标回复语句，输入到预设的匹配模型，获取对应的目标功能推荐信息。
步骤104，向用户推荐交互信息，其中，交互信息包括目标回复语句和目标功能推荐信息。
具体的，将目标回复语句和目标功能推荐信息反馈给用户，比如，可以语音的形式反馈，也可以文字的信息显示在机器人显示屏上反馈，可以顺序反馈目标回复语句和目标功能推荐信息。
进一步的，在本申请的一个实施例中，接收用户的反馈信息，若反馈信息满足功能开启条件，比如，用户反馈了包含“确认”等关键词的反馈信息，则开启目标功能推荐信息对应的功能。在本实施例中，还可以继续接收用户的聊天语句，重复上述步骤，直至接收到用户的拒绝指令。
为了使得本领域的技术人员更加清楚的了解本申请实施例的交互信息推荐方法，下面结合具体的场景说明，其中，在本场景中，聊天语句内容为“我下班了”。
如图5所示，当接收到用户的聊天语句内容“我下班了”，则首先根据预设的匹配策略获取到的候选回复语句包括“辛苦啦，可以好好休息，放松一下啦”、“那赶紧洗洗睡吧”、“你下班好晚”等，进而根据预设的匹配模型获取到的候选功能推荐信息可以为“听音乐吗”、“要查明天气吗”、“推荐一些菜谱给你，要看吗”等，在本场景中，可以先获取功能标签，根据功能标签对应的推荐功能，使用自然语言处理方法等匹配到对应的功能推荐信息，其中，继续参照图5，“听音乐吗”对应的功能标签可以为“音乐”等。
进而，在本场景中，若是确定的目标回复语句为“你下班好晚”，目标推荐功能信息为“听音乐吗”，则接收到用户下一步的反馈信息为聊天语句“好的”，则为用户播放音乐，在为用户播放音乐后还可以继续根据用户的聊天语句信息，为用户提供更细化的交互信息，若用户的反馈信息为聊天语句“算了”则结束聊天功能。
综上，本申请实施例的交互信息推荐方法，获取用户的聊天语句信息，根据预设的匹配策略，获取与聊天语句内容匹配的目标回复语句，将聊天语句内容、聊天语句属性信息和目标回复语句输入预先设置匹配模型，获取目标功能推荐信息，向用户反馈目标回复语句和目标功能推荐信息。由此，根据用户的聊天语句，提供回复语句以及功能推荐，提升了与用户交互的智能化程度，满足了用户的个性化需求。
为了实现上述实施例，本申请还提出了一种交互信息推荐装置，图6是根据本申请一个实施例的交互信息推荐装置的结构示意图，如图6所示，该交互信息推荐装置包括：第一获取模块10、第二获取模块20、第三获取模块30和推荐模块40，其中，
第一获取模块10，用于获取用户的聊天语句信息，其中，聊天语句信息包括聊天语句内容和聊天语句属性信息；
第二获取模块20，用于根据预设的匹配策略，获取与聊天语句内容匹配的目标回复语句；
第三获取模块30，用于将聊天语句内容、聊天语句属性信息和目标回复语句输入预先设置匹配模型，获取目标功能推荐信息；
推荐模块40，用于向用户推荐交互信息，其中，交互信息包括目标回复语句和目标功能推荐信息。
在本申请的一个实施例中，第二获取模块20具体用于：获取与聊天语句内容对应的语句标识；将语句标识与预设的第一树结构模型匹配，获取匹配成功的至少一个候选节点，其中，预设的第一树结构模型由多个节点组成，每个节点对应一个回复语句标识，相邻的节点之间的路径对应于路径末端指向的语句对应的语句概率；根据语句概率在至少一个候选节点中确定目标节点，并确定目标节点对应的回复语句为目标回复语句。
在本申请的一个实施例中，第二获取模块20具体用于：获取与聊天语句内容对应的语句标识；
将语句标识与预设的第一树结构模型匹配，获取匹配成功的至少一个候选节点，其中，预设的第一树结构模型由多个节点组成，每个节点对应一个回复语句标识，相邻的节点之间的路径对应于路径末端指向的语句对应的语句概率；
根据语句概率在至少一个候选节点中确定目标节点，并确定目标节点对应的回复语句为目标回复语句。
进而，对聊天语句内容切词处理，生成至少一个切词；按照组成顺序将至少一个切词与预设的第二树结构模型匹配，获取匹配成功的至少一个候选路径，其中，预设的第二树结构模型由多个节点组成，每个节点对应一个分词和对应的分词编码，相邻的节点之间的路径对应于路径末端指向的分词的分词概率；根据至少一个候选路径中的节点对应的分词编码，生成与每个候选路径对应的候选语句编码；根据分词概率获取每个候选路径的概率；根据每个候选路径的概率在候选语句编码中确定目标语句编码，并根据目标语句编码生成语句标识。
在本申请的一个实施例中，第三获取模块30具体用于：将聊天语句内容、聊天语句属性信息和目标回复语句输入预先设置匹配模型，获取匹配成功的多个候选功能标签和对应的功能概率；
查询预设的数据库获取与每个候选功能标签对应的候选推荐功能信息；
根据功能概率在所有的候选推荐功能信息中，确定目标功能推荐信息。
需要说明的是，前述对交互信息推荐方法的解释说明，也适用于本发明实施例的交互信息推荐装置，其实现原理类似，在此不再赘述。
综上，本申请实施例的交互信息推荐装置，获取用户的聊天语句信息，根据预设的匹配策略，获取与聊天语句内容匹配的目标回复语句，将聊天语句内容、聊天语句属性信息和目标回复语句输入预先设置匹配模型，获取目标功能推荐信息，向用户反馈目标回复语句和目标功能推荐信息。由此，根据用户的聊天语句，提供回复语句以及功能推荐，提升了与用户交互的智能化程度，满足了用户的个性化需求。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的交互信息推荐的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的交互信息推荐方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的交互信息推荐方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的交互信息推荐的方法对应的程序指令/模块(例如，附图6所示的第一获取模块10、第二获取模块20、第三获取模块30和推荐模块40)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的交互信息推荐方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
执行交互信息推荐的方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
1.一种交互信息推荐方法，其特征在于，包括：
获取用户的聊天语句信息，其中，所述聊天语句信息包括聊天语句内容和聊天语句属性信息；
根据预设的匹配策略，获取与所述聊天语句内容匹配的目标回复语句；
将所述聊天语句内容、所述聊天语句属性信息和所述目标回复语句输入预先设置匹配模型，获取目标功能推荐信息；
向所述用户推荐交互信息，其中，所述交互信息包括所述目标回复语句和所述目标功能推荐信息。
2.如权利要求1所述的方法，其特征在于，所述根据预设的匹配策略，获取与所述聊天语句内容匹配的目标回复语句，包括：
获取与所述聊天语句内容对应的语句标识；
将所述语句标识与预设的第一树结构模型匹配，获取匹配成功的至少一个候选节点，
其中，所述预设的第一树结构模型由多个节点组成，每个节点对应一个回复语句标识，相邻的节点之间的路径对应于路径末端指向的语句对应的语句概率；
根据所述语句概率在所述至少一个候选节点中确定目标节点，并确定所述目标节点对应的回复语句为所述目标回复语句。
3.如权利要求2所述的方法，其特征在于，所述获取与所述聊天语句内容对应的语句标识，包括：
对所述聊天语句内容切词处理，生成至少一个切词；
按照组成顺序将所述至少一个切词与预设的第二树结构模型匹配，获取匹配成功的至少一个候选路径，
其中，所述预设的第二树结构模型由多个节点组成，每个节点对应一个分词和对应的分词编码，相邻的节点之间的路径对应于路径末端指向的分词的分词概率；
根据所述至少一个候选路径中的节点对应的分词编码，生成与每个候选路径对应的候选语句编码；
根据所述分词概率获取所述每个候选路径的概率；
根据所述每个候选路径的概率在所述候选语句编码中确定所述目标语句编码，并根据所述目标语句编码生成所述语句标识。
4.如权利要求1所述的方法，其特征在于，所述将所述聊天语句内容、所述聊天语句属性信息和所述目标回复语句输入预先设置匹配模型，获取目标功能推荐信息，包括：
将所述聊天语句内容、所述聊天语句属性信息和所述目标回复语句输入预先设置匹配模型，获取匹配成功的多个候选功能标签和对应的功能概率；
查询预设的数据库获取与每个候选功能标签对应的候选推荐功能信息；
根据所述功能概率在所有的所述候选推荐功能信息中，确定所述目标功能推荐信息。
5.如权利要求4所述的方法，其特征在于，若所述与每个候选功能标签对应的候选推荐功能信息为多个，则在所述根据所述功能概率在所有的所述候选推荐功能信息中，确定所述目标功能推荐信息之前，还包括：
确定多个所述候选推荐功能信息的功能等级；
确定所述功能等级最低的参考候选推荐功能信息；
在所述每个候选功能标签对应的候选推荐功能信息中删除非所述参考候选推荐功能信息。
6.如权利要求1所述的方法，其特征在于，还包括：
接收所述用户的反馈信息；
若所述反馈信息满足功能开启条件，则开启所述目标功能推荐信息对应的功能。
7.一种交互信息推荐装置，其特征在于，包括：
第一获取模块，用于获取用户的聊天语句信息，其中，所述聊天语句信息包括聊天语句内容和聊天语句属性信息；
第二获取模块，用于根据预设的匹配策略，获取与所述聊天语句内容匹配的目标回复语句；
第三获取模块，用于将所述聊天语句内容、所述聊天语句属性信息和所述目标回复语句输入预先设置匹配模型，获取目标功能推荐信息；
推荐模块，用于向所述用户推荐交互信息，其中，所述交互信息包括所述目标回复语句和所述目标功能推荐信息。
8.如权利要求7所述的装置，其特征在于，所述第二获取模块，具体用于：
获取与所述聊天语句内容对应的语句标识；
将所述语句标识与预设的第一树结构模型匹配，获取匹配成功的至少一个候选节点，其中，所述预设的第一树结构模型由多个节点组成，每个节点对应一个回复语句标识，相邻的节点之间的路径对应于路径末端指向的语句对应的语句概率；
根据所述语句概率在所述至少一个候选节点中确定目标节点，并确定所述目标节点对应的回复语句为所述目标回复语句。
9.如权利要求8所述的装置，其特征在于，所述第二获取模块，具体用于：
对所述聊天语句内容切词处理，生成至少一个切词；
按照组成顺序将所述至少一个切词与预设的第二树结构模型匹配，获取匹配成功的至少一个候选路径，其中，所述预设的第二树结构模型由多个节点组成，每个节点对应一个分词和对应的分词编码，相邻的节点之间的路径对应于路径末端指向的分词的分词概率；
根据所述至少一个候选路径中的节点对应的分词编码，生成与每个候选路径对应的候选语句编码；
根据所述分词概率获取所述每个候选路径的概率；
根据所述每个候选路径的概率在所述候选语句编码中确定所述目标语句编码，并根据所述目标语句编码生成所述语句标识。
10.如权利要求7所述的装置，其特征在于，所述第三获取模块，具体用于：
将所述聊天语句内容、所述聊天语句属性信息和所述目标回复语句输入预先设置匹配模型，获取匹配成功的多个候选功能标签和对应的功能概率；
查询预设的数据库获取与每个候选功能标签对应的候选推荐功能信息；
根据所述功能概率在所有的所述候选推荐功能信息中，确定所述目标功能推荐信息。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的交互信息推荐方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的交互信息推荐方法。
技术总结